e3ff5846f6
Der Eintrag stand direkt unter "Download Notebooks als ZIP"; ohne das Wort "Buch" liess sich nicht auf einen Blick sehen, was da heruntergeladen wird. Geaendert an der einen Stelle in baue_sidebar_html(), von dort auf alle 41 Seiten. Veroeffentlicht: 151 Dateien uebertragen, 0 geloescht, alle vierzehn HTTP-Proben richtig. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
281 lines
44 KiB
HTML
Generated
281 lines
44 KiB
HTML
Generated
<!doctype html>
|
||
<html lang="de">
|
||
<head>
|
||
<meta charset="utf-8" />
|
||
<meta name="viewport" content="width=device-width, initial-scale=1" />
|
||
<title>Anhang E: Glossar · Optimierte Entscheidungsfindung mit Python</title>
|
||
<script>
|
||
(function () {
|
||
try {
|
||
var t = localStorage.getItem("or-theme");
|
||
if (t) document.documentElement.setAttribute("data-theme", t);
|
||
} catch (e) {}
|
||
})();
|
||
</script>
|
||
<link rel="stylesheet" href="assets/highlight.css" />
|
||
<link rel="stylesheet" href="katex/katex.min.css" />
|
||
<script defer="" src="katex/katex.min.js"></script>
|
||
<script>document.addEventListener("DOMContentLoaded", function () {
|
||
var mathElements = document.getElementsByClassName("math");
|
||
var macros = [];
|
||
for (var i = 0; i < mathElements.length; i++) {
|
||
var texText = mathElements[i].firstChild;
|
||
if (mathElements[i].tagName == "SPAN") {
|
||
katex.render(texText.data, mathElements[i], {
|
||
displayMode: mathElements[i].classList.contains('display'),
|
||
throwOnError: false,
|
||
macros: macros,
|
||
fleqn: false
|
||
});
|
||
}}
|
||
// Der Browser springt zu einem #anker in der URL schon beim ersten Rendern
|
||
// an, BEVOR die KaTeX-Formeln oben im Text ihre finale Hoehe bekommen -
|
||
// durch den Reflow landet der Anker danach zu weit unten. Nach dem
|
||
// Formel-Rendering hier erneut zum Anker springen, das behebt es.
|
||
if (location.hash) {
|
||
var ziel = document.getElementById(decodeURIComponent(location.hash.slice(1)));
|
||
if (ziel) ziel.scrollIntoView({behavior: "instant", block: "start"});
|
||
}
|
||
});
|
||
</script>
|
||
<link rel="stylesheet" href="assets/site.css" />
|
||
</head>
|
||
<body>
|
||
<svg style="display:none" aria-hidden="true"><symbol id="icon-menu" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round">
|
||
<line x1="3" y1="6" x2="21" y2="6"/><line x1="3" y1="12" x2="21" y2="12"/><line x1="3" y1="18" x2="21" y2="18"/>
|
||
</symbol>
|
||
<symbol id="icon-search" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round">
|
||
<circle cx="11" cy="11" r="7"/><line x1="21" y1="21" x2="16.2" y2="16.2"/>
|
||
</symbol>
|
||
<symbol id="icon-sun" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round">
|
||
<circle cx="12" cy="12" r="4.5"/>
|
||
<line x1="12" y1="1.5" x2="12" y2="4"/><line x1="12" y1="20" x2="12" y2="22.5"/>
|
||
<line x1="1.5" y1="12" x2="4" y2="12"/><line x1="20" y1="12" x2="22.5" y2="12"/>
|
||
<line x1="4.5" y1="4.5" x2="6.2" y2="6.2"/><line x1="17.8" y1="17.8" x2="19.5" y2="19.5"/>
|
||
<line x1="19.5" y1="4.5" x2="17.8" y2="6.2"/><line x1="6.2" y1="17.8" x2="4.5" y2="19.5"/>
|
||
</symbol>
|
||
<symbol id="icon-moon" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round">
|
||
<path d="M20 14.5A8.5 8.5 0 1 1 9.5 4a6.8 6.8 0 0 0 10.5 10.5z"/>
|
||
</symbol>
|
||
<symbol id="icon-chevron-left" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round">
|
||
<polyline points="15 4 7 12 15 20"/>
|
||
</symbol>
|
||
<symbol id="icon-chevron-right" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round">
|
||
<polyline points="9 4 17 12 9 20"/>
|
||
</symbol>
|
||
<symbol id="icon-check" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round">
|
||
<polyline points="4 13 9.5 18.5 20 6"/>
|
||
</symbol>
|
||
<symbol id="icon-external-link" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round">
|
||
<path d="M18 13.5V19a1.5 1.5 0 0 1-1.5 1.5H5A1.5 1.5 0 0 1 3.5 19V7A1.5 1.5 0 0 1 5 5.5h5.5"/>
|
||
<polyline points="14.5 3.5 20.5 3.5 20.5 9.5"/><line x1="11" y1="13" x2="20" y2="4"/>
|
||
</symbol>
|
||
<symbol id="icon-book" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round">
|
||
<path d="M4 5.5A2 2 0 0 1 6 4h6v16H6a2 2 0 0 0-2 1.5z"/>
|
||
<path d="M20 5.5A2 2 0 0 0 18 4h-6v16h6a2 2 0 0 1 2 1.5z"/>
|
||
</symbol>
|
||
<symbol id="icon-copy" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round">
|
||
<rect x="9" y="9" width="13" height="13" rx="2"/><path d="M5 15H4a2 2 0 0 1-2-2V4a2 2 0 0 1 2-2h9a2 2 0 0 1 2 2v1"/>
|
||
</symbol>
|
||
<symbol id="icon-download" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round">
|
||
<path d="M12 3v12"/><polyline points="7 10 12 15 17 10"/><path d="M4 19.5h16"/>
|
||
</symbol></svg>
|
||
<header class="site-header">
|
||
<button type="button" class="icon-btn" id="sidebar-toggle" aria-label="Menü öffnen"><svg class="icon" aria-hidden="true"><use href="#icon-menu"></use></svg></button>
|
||
<a class="brand" href="index.html"><svg class="icon" aria-hidden="true"><use href="#icon-book"></use></svg> <span>Optimierte Entscheidungsfindung mit Python</span></a>
|
||
<div class="site-search">
|
||
<input id="suche-eingabe" type="search" placeholder="Suchen …" aria-label="Suche" autocomplete="off" />
|
||
<svg class="icon such-icon" aria-hidden="true"><use href="#icon-search"></use></svg>
|
||
<div id="suche-ergebnisse" class="suche-ergebnisse" hidden></div>
|
||
</div>
|
||
<button type="button" class="icon-btn" id="theme-toggle" aria-label="Darstellung umschalten">
|
||
<svg class="icon icon-sun" aria-hidden="true"><use href="#icon-sun"></use></svg><svg class="icon icon-moon" aria-hidden="true"><use href="#icon-moon"></use></svg>
|
||
</button>
|
||
</header>
|
||
<div class="site-body">
|
||
<div class="sidebar-overlay" id="sidebar-overlay" hidden></div>
|
||
<nav class="sidebar" id="sidebar" aria-label="Kapitelnavigation"><div class="sidebar-inhalt"><details class="sidebar-gruppe"><summary>Einstieg</summary><ul><li data-kapitel="vorwort.html"><a href="vorwort.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Vorwort & Lesehilfe</span></a></li><li data-kapitel="notation.html"><a href="notation.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Notation & Abkürzungen</span></a></li></ul></details><details class="sidebar-gruppe"><summary>Teil I: Grundlagen des Operations Research</summary><ul><li data-kapitel="einfuehrung.html"><a href="einfuehrung.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung</span></a></li><li data-kapitel="fundament.html"><a href="fundament.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität</span></a></li><li data-kapitel="oekosystem.html"><a href="oekosystem.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten</span></a></li><li data-kapitel="modellierung.html"><a href="modellierung.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 4: Vom Management-Wunsch zum Modell</span></a></li><li data-kapitel="synthese-grundlagen.html"><a href="synthese-grundlagen.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Synthese Teil I</span></a></li></ul></details><details class="sidebar-gruppe"><summary>Teil II: Die Kernverfahren der deterministischen Optimierung</summary><ul><li data-kapitel="lp.html"><a href="lp.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise</span></a></li><li data-kapitel="milp.html"><a href="milp.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound</span></a></li><li data-kapitel="cpsat.html"><a href="cpsat.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung</span></a></li><li data-kapitel="graphen.html"><a href="graphen.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP</span></a></li><li data-kapitel="metaheuristiken.html"><a href="metaheuristiken.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 9: Metaheuristiken — wenn der exakte Solver aussteigt</span></a></li><li data-kapitel="dekomposition.html"><a href="dekomposition.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 10: Spaltengenerierung — das Modell umbauen statt die Lösung raten</span></a></li><li data-kapitel="synthese-kernverfahren.html"><a href="synthese-kernverfahren.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Synthese Teil II</span></a></li></ul></details><details class="sidebar-gruppe"><summary>Teil III: Nichtlinearität, Unsicherheit und mehrperiodige Dynamik</summary><ul><li data-kapitel="qp-nlp.html"><a href="qp-nlp.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität</span></a></li><li data-kapitel="unsicherheit.html"><a href="unsicherheit.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit</span></a></li><li data-kapitel="dynamische-programmierung.html"><a href="dynamische-programmierung.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution</span></a></li><li data-kapitel="mehrziel.html"><a href="mehrziel.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 14: Mehrere Ziele — Pareto-Fronten statt Gewichte</span></a></li><li data-kapitel="prognose.html"><a href="prognose.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 15: Predict-then-Optimize — die bessere Prognose, die schlechtere Entscheidung</span></a></li><li data-kapitel="synthese-nichtlinear.html"><a href="synthese-nichtlinear.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Synthese Teil III</span></a></li></ul></details><details class="sidebar-gruppe"><summary>Teil IV: Anwendungen — Energiewirtschaft und Finanzmärkte</summary><ul><li data-kapitel="bruecke.html"><a href="bruecke.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 16: Die Strukturbrücke — dieselbe Mathematik, zwei Welten</span></a></li><li data-kapitel="supplychain.html"><a href="supplychain.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 17: Supply-Chain und Energieeinsatz unter Unsicherheit</span></a></li><li data-kapitel="finanzdaten.html"><a href="finanzdaten.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage</span></a></li><li data-kapitel="markowitz.html"><a href="markowitz.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 19: Die moderne Portfoliotheorie nach Markowitz</span></a></li><li data-kapitel="cvar.html"><a href="cvar.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 20: Tail-Risiko, CVaR und Transaktionskosten</span></a></li><li data-kapitel="handelsmaschine.html"><a href="handelsmaschine.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 21: Die vollständige quantitative Handelsmaschine</span></a></li><li data-kapitel="synthese-anwendungen.html"><a href="synthese-anwendungen.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Synthese Teil IV</span></a></li></ul></details><details class="sidebar-gruppe"><summary>Teil V: Praxis</summary><ul><li data-kapitel="praxisfallen.html"><a href="praxisfallen.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz</span></a></li><li data-kapitel="testing.html"><a href="testing.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Kapitel 23: Testen, Messen, Ausliefern</span></a></li><li data-kapitel="synthese-praxis.html"><a href="synthese-praxis.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Synthese Teil V</span></a></li><li data-kapitel="projektwerkstatt.html"><a href="projektwerkstatt.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Projektwerkstatt</span></a></li></ul></details><details class="sidebar-gruppe" open><summary>Anhänge</summary><ul><li data-kapitel="anhang-loesungen.html"><a href="anhang-loesungen.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Anhang A: Lösungen zu allen Übungsaufgaben</span></a></li><li data-kapitel="anhang-modellierungsmuster.html"><a href="anhang-modellierungsmuster.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Anhang B: Katalog der Modellierungsmuster</span></a></li><li data-kapitel="anhang-fehlerdiagnose.html"><a href="anhang-fehlerdiagnose.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Anhang C: Fehlerdiagnose-Handbuch</span></a></li><li data-kapitel="anhang-spickzettel.html"><a href="anhang-spickzettel.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Anhang D: Spickzettel der Solver</span></a></li><li data-kapitel="anhang-glossar.html" class="aktiv"><a href="anhang-glossar.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Anhang E: Glossar</span></a></li><li data-kapitel="anhang-literatur.html"><a href="anhang-literatur.html"><span class="fortschritt-haken"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg></span><span>Anhang F: Literaturverzeichnis</span></a></li></ul></details><ul class="sidebar-extra"><li><a href="programme.html"><svg class="icon" aria-hidden="true"><use href="#icon-book"></use></svg> Beispielprogramme</a></li><li><a href="notebooks.html"><svg class="icon" aria-hidden="true"><use href="#icon-book"></use></svg> Notebooks</a></li><li class="sidebar-unterpunkt"><a href="Notebooks_04.zip" download><svg class="icon" aria-hidden="true"><use href="#icon-download"></use></svg> Download Notebooks als ZIP</a></li><li><a href="anhang-glossar.html"><svg class="icon" aria-hidden="true"><use href="#icon-book"></use></svg> Glossar</a></li><li><a href="stichwortverzeichnis.html"><svg class="icon" aria-hidden="true"><use href="#icon-search"></use></svg> Stichwortverzeichnis</a></li><li><a href="gesamtdokument.html"><svg class="icon" aria-hidden="true"><use href="#icon-external-link"></use></svg> Gesamtdokument (eine Seite)</a></li><li><a href="Operations_Research_mit_Python_Version_04.pdf" download><svg class="icon" aria-hidden="true"><use href="#icon-download"></use></svg> Download Buch als PDF</a></li></ul></div></nav>
|
||
<main class="content">
|
||
<nav class="breadcrumb" aria-label="Breadcrumb"><a href="index.html">Start</a> › <span>Anhang E: Glossar</span></nav>
|
||
<nav class="prev-next"><a class="prev-next-knopf prev-next-prev" href="anhang-spickzettel.html"><svg class="icon" aria-hidden="true"><use href="#icon-chevron-left"></use></svg><span><small>Zurück</small>Anhang D: Spickzettel der Solver</span></a><a class="prev-next-knopf prev-next-next" href="anhang-literatur.html"><span><small>Weiter</small>Anhang F: Literaturverzeichnis</span><svg class="icon" aria-hidden="true"><use href="#icon-chevron-right"></use></svg></a></nav>
|
||
<article>
|
||
<h1 id="anhang-glossar">Anhang E: Glossar</h1>
|
||
<p><strong>A</strong></p>
|
||
<ul>
|
||
<li><strong>Almgren-Chriss-Modell</strong> — Standardmodell der optimalen Orderausführung. Es löst den Zielkonflikt zwischen Marktauswirkung bei schnellem Handeln und Volatilitätsrisiko bei langsamem Handeln. → <a href="dynamische-programmierung.html#sec:dynamische-programmierung-das-almgren-chriss-problem-optimale-orderausfuehrung">Abschnitt 13.4</a></li>
|
||
<li><strong>Alternativoptima</strong> — Mehrere Lösungen mit identischem Zielfunktionswert. Tritt auf, wenn die Zielfunktion parallel zu einer Kante des Polyeders verläuft oder die Matrix nur semidefinit ist. → <a href="qp-nlp.html#sec:qp-nlp-das-quadratische-programm-qp">Abschnitt 11.3</a></li>
|
||
</ul>
|
||
<p><strong>B</strong></p>
|
||
<ul>
|
||
<li><strong>Bellman-Gleichung</strong> — Rekursionsgleichung der dynamischen Programmierung: Der Wert eines Zustands ist die Summe aus den unmittelbaren Kosten der besten Aktion und dem Wert des Folgezustands. → <a href="dynamische-programmierung.html#sec:dynamische-programmierung-das-bellmansche-optimalitaetsprinzip">Abschnitt 13.3</a></li>
|
||
<li><strong>Big-M-Methode</strong> — Modellierungstrick, der logische Bedingungen über eine hinreichend große Konstante <span class="math inline">M</span> an eine Binärvariable koppelt. <span class="math inline">M</span> sollte <strong>so klein wie möglich</strong> gewählt werden, da große Werte die Relaxation aufweichen und die Laufzeit verschlechtern. → <a href="milp.html#sec:milp-modellierungstricks-big-m-und-logische-bedingungen">Abschnitt 6.5</a></li>
|
||
<li><strong>Binärvariable</strong> — Entscheidungsvariable mit Wertebereich <span class="math inline">\{0,1\}</span>; sie schaltet Fixkosten, Kapazitäten oder logische Alternativen an und aus. → <a href="einfuehrung.html#sec:einfuehrung-die-vier-universellen-bausteine-jedes-or">Abschnitt 1.6</a></li>
|
||
<li><strong>Bipartites Matching</strong> — Zuordnung zwischen zwei disjunkten Mengen mit maximalem Nutzen oder minimalen Kosten; klassisch gelöst durch den Ungarischen Algorithmus. → <a href="graphen.html#sec:graphen-bipartites-matching-das-zuordnungsproblem">Abschnitt 8.4</a></li>
|
||
<li><strong>Branch-and-Bound</strong> — Exaktes Verfahren für ganzzahlige Probleme: Der Suchraum wird rekursiv zerlegt (Branching), Zweige werden verworfen, sobald ihre Relaxation schlechter ist als die beste bekannte Lösung (Bounding). → <a href="milp.html#sec:milp-branch-and-bound">Abschnitt 6.4</a></li>
|
||
<li><strong>Budgeted Uncertainty</strong> — Robustheitsansatz nach Bertsimas/Sim: Höchstens <span class="math inline">\Gamma</span> von <span class="math inline">n</span> Parametern nehmen gleichzeitig ihren ungünstigsten Wert an. → <a href="unsicherheit.html#sec:unsicherheit-robuste-optimierung-gegen-den-worst-case">Abschnitt 12.6</a></li>
|
||
</ul>
|
||
<p><strong>C</strong></p>
|
||
<ul>
|
||
<li><strong>Calmar Ratio</strong> — Jahresrendite geteilt durch den Betrag des maximalen Drawdowns. Ergänzt die Sharpe Ratio um die Verlustperspektive. → <a href="handelsmaschine.html#sec:handelsmaschine-die-engine">Abschnitt 21.5</a></li>
|
||
<li><strong>Conditional Value at Risk (CVaR)</strong> — Erwarteter Verlust in den schlechtesten Szenarien jenseits des VaR. Kohärent, subadditiv und nach Rockafellar/Uryasev exakt als lineares Programm formulierbar. → <a href="cvar.html#sec:cvar-value-at-risk-und-conditional-value">Abschnitt 20.4</a></li>
|
||
<li><strong>Conflict Learning</strong> — Technik moderner SAT-Solver, aus jedem Widerspruch eine Sperrklausel abzuleiten, damit dieselbe Sackgasse nicht erneut betreten wird. → <a href="cpsat.html#sec:cpsat-ein-anderes-denkmodell">Abschnitt 7.3</a></li>
|
||
<li><strong>Constraint Programming (CP)</strong> — Paradigma, das nicht über Zielfunktionsgradienten, sondern über logische Verträglichkeit sucht: Constraints schränken Wertebereiche ein, bis eine zulässige Belegung gefunden ist. → <a href="cpsat.html#sec:cpsat-ein-anderes-denkmodell">Abschnitt 7.3</a></li>
|
||
<li><strong>Constraint Propagation</strong> — Kernmechanismus von CP-Solvern: Aus einer Zuweisung werden unmögliche Werte anderer Variablen sofort entfernt, wodurch der Suchbaum schrumpft. → <a href="cpsat.html#sec:cpsat-ein-anderes-denkmodell">Abschnitt 7.3</a></li>
|
||
<li><strong>CP-SAT</strong> — Constraint-Programming-Solver von OR-Tools, der ein Modell in boolesche Erfüllbarkeit übersetzt und mit Propagation, Conflict Learning und paralleler Suche löst. → <a href="cpsat.html#sec:cpsat-ein-anderes-denkmodell">Abschnitt 7.3</a></li>
|
||
<li><strong>CVXPY</strong> — Modellierungssprache für konvexe Optimierung: schreibt das Problem in mathematiknaher Notation, prüft die Konvexität und reicht es an einen Solver weiter. → <a href="oekosystem.html#sec:oekosystem-die-werkzeuge-im-vergleich">Abschnitt 3.4</a></li>
|
||
</ul>
|
||
<p><strong>D</strong></p>
|
||
<ul>
|
||
<li><strong>Dualitätstheorie</strong> — Jedem Optimierungsproblem (Primal) steht ein Dualproblem gegenüber. Der starke Dualitätssatz besagt, dass beide im Optimum denselben Zielfunktionswert besitzen. → <a href="lp.html#sec:lp-dualitaet-und-schattenpreise">Abschnitt 5.6</a></li>
|
||
<li><strong>Dynamische Programmierung (DP)</strong> — Lösungsprinzip für mehrstufige Entscheidungen: Das Problem wird in Zustände und Stufen zerlegt und rückwärts gelöst. → <a href="dynamische-programmierung.html#sec:dynamische-programmierung-das-bellmansche-optimalitaetsprinzip">Abschnitt 13.3</a></li>
|
||
</ul>
|
||
<p><strong>E</strong></p>
|
||
<ul>
|
||
<li><strong>Efficient Frontier</strong> — Kurve aller Portfolios, die zu gegebenem Risiko die höchste erwartete Rendite liefern. → <a href="markowitz.html#sec:markowitz-das-mean-variance-modell">Abschnitt 19.4</a></li>
|
||
<li><strong>Entscheidungsvariable</strong> — Die vom Solver frei wählbare Größe eines Modells. Ihr Wertebereich (kontinuierlich, ganzzahlig, binär) bestimmt die Problemklasse. → <a href="einfuehrung.html#sec:einfuehrung-die-vier-universellen-bausteine-jedes-or">Abschnitt 1.6</a></li>
|
||
<li><strong>Error-Maximizer-Effekt</strong> — Eigenschaft der Mean-Variance-Optimierung, Schätzfehler zu verstärken statt auszugleichen: Sie sucht genau die Richtungen, deren Varianz am stärksten unterschätzt wurde. → <a href="finanzdaten.html#sec:finanzdaten-das-schaetzfehler-problem">Abschnitt 18.4</a></li>
|
||
<li><strong>EVPI (Expected Value of Perfect Information)</strong> — Differenz zwischen den Kosten unter Unsicherheit und den Kosten bei perfektem Wissen; Obergrenze für den Wert jeder Prognoseverbesserung. → <a href="unsicherheit.html#sec:unsicherheit-zweistufige-stochastische-programmierung">Abschnitt 12.5</a></li>
|
||
<li><strong>Explainable OR</strong> — Nachvollziehbarmachung von Solver-Ergebnissen über Schattenpreise, aktive Restriktionen und Kostenzerlegung. → <a href="praxisfallen.html#sec:praxisfallen-die-fuenf-typischen-praxisfallen">Abschnitt 22.3</a></li>
|
||
</ul>
|
||
<p><strong>F</strong></p>
|
||
<ul>
|
||
<li><strong>Fat Tails</strong> — Verteilungsränder, die dicker auslaufen als bei der Normalverteilung: Extremereignisse sind deutlich häufiger, als das Normalmodell vorhersagt. → <a href="cvar.html#sec:cvar-die-zwei-schwaechen-des-markowitz-modells">Abschnitt 20.3</a></li>
|
||
<li><strong>Fluch der Dimensionalität</strong> — Exponentielles Wachstum des Zustandsraums mit jeder zusätzlichen Zustandsdimension; begrenzt die dynamische Programmierung. → <a href="dynamische-programmierung.html#sec:dynamische-programmierung-der-fluch-der-dimensionalitaet">Abschnitt 13.5</a></li>
|
||
<li><strong>Fluch des Durchschnitts</strong> (<em>Flaw of Averages</em>) — Systematischer Fehler beim Planen mit Erwartungswerten statt mit Verteilungen; folgt aus der Jensenschen Ungleichung. → <a href="unsicherheit.html#sec:unsicherheit-der-fluch-des-durchschnitts">Abschnitt 12.3</a></li>
|
||
<li><strong>Flusserhaltung</strong> — Bedingung, dass an jedem Knoten Abfluss minus Zufluss dem Saldo des Knotens entspricht — das Kirchhoff-Gesetz der Netzwerkoptimierung. → <a href="graphen.html#sec:graphen-graphen-als-modellsprache">Abschnitt 8.3</a></li>
|
||
<li><strong>Fundamentalsatz der linearen Optimierung</strong> — Das Optimum eines lösbaren LP wird stets in mindestens einer Ecke des zulässigen Polyeders angenommen. → <a href="fundament.html#sec:fundament-der-zulaessige-loesungsraum-und-das-polyeder">Abschnitt 2.4</a></li>
|
||
</ul>
|
||
<p><strong>G</strong></p>
|
||
<ul>
|
||
<li><strong>Gemischt-ganzzahlige Optimierung (MILP)</strong> — Lineares Modell mit mindestens einer ganzzahligen oder binären Variablen; NP-schwer. → <a href="milp.html#sec:milp-warum-runden-fundamental-scheitert">Abschnitt 6.3</a></li>
|
||
<li><strong>Global Minimum Variance Portfolio (GMV)</strong> — Portfolio kleinstmöglicher Varianz. Es benötigt <strong>keine Renditeprognose</strong> und ist deshalb robuster gegen Schätzfehler. → <a href="markowitz.html#sec:markowitz-das-mean-variance-modell">Abschnitt 19.4</a></li>
|
||
<li><strong>Globale Constraints</strong> — Vorgefertigte Bausteine wie <code>AllDifferent</code>, <code>NoOverlap</code> oder <code>Cumulative</code>, die häufige Strukturen kompakt ausdrücken und spezialisierte Propagatoren besitzen. → <a href="cpsat.html#sec:cpsat-globale-constraints-die-bausteine-von-cp">Abschnitt 7.4</a></li>
|
||
</ul>
|
||
<p><strong>H</strong></p>
|
||
<ul>
|
||
<li><strong>HiGHS</strong> — Offener Hochleistungs-Solver für LP, MILP und QP; Backend von <code>scipy.optimize.linprog</code> und CVXPY, direkt ansprechbar über <code>highspy</code>. → <a href="oekosystem.html#sec:oekosystem-die-werkzeuge-im-vergleich">Abschnitt 3.4</a></li>
|
||
</ul>
|
||
<p><strong>I</strong></p>
|
||
<ul>
|
||
<li><strong>Infeasibility</strong> — Zustand eines Modells ohne zulässige Lösung. In der Praxis über Schlupfvariablen mit hohem Strafgewicht aufzufangen. → <a href="praxisfallen.html#sec:praxisfallen-die-fuenf-typischen-praxisfallen">Abschnitt 22.3</a></li>
|
||
<li><strong>Intervallvariable</strong> — Variable mit Start, Dauer und Ende, die in CP-SAT eine Aktivität beschreibt und Überschneidungsverbote auf Ressourcen ermöglicht. → <strong><a href="cpsat.html#sec:cpsat-globale-constraints-die-bausteine-von-cp">Abschnitt 7.4</a></strong></li>
|
||
</ul>
|
||
<p><strong>J</strong></p>
|
||
<ul>
|
||
<li><strong>Jensensche Ungleichung</strong> — Für konvexe Funktionen gilt <span class="math inline">\mathbb{E}[f(X)] \ge f(\mathbb{E}[X])</span>; die formale Grundlage des Fluchs des Durchschnitts. → <a href="unsicherheit.html#sec:unsicherheit-der-fluch-des-durchschnitts">Abschnitt 12.3</a></li>
|
||
</ul>
|
||
<p><strong>K</strong></p>
|
||
<ul>
|
||
<li><strong>Kanonische Standardform</strong> — Einheitliche Matrixschreibweise eines LP als <span class="math inline">\min \mathbf{c}^\top\mathbf{x}</span> u. d. N. <span class="math inline">\mathbf{A}\mathbf{x} \le \mathbf{b}</span>, <span class="math inline">\mathbf{x} \ge 0</span>. → <a href="fundament.html#sec:fundament-warum-ueberhaupt-vektoren-und-matrizen">Abschnitt 2.3</a></li>
|
||
<li><strong>Kardinalitätsbeschränkung</strong> — Obergrenze für die Anzahl gleichzeitig aktiver Entscheidungen; über die Summe der zugehörigen Binärvariablen formuliert. → <a href="milp.html#sec:milp-modellierungstricks-big-m-und-logische-bedingungen">Abschnitt 6.5</a></li>
|
||
<li><strong>Karush-Kuhn-Tucker-Bedingungen (KKT)</strong> — Notwendige Optimalitätsbedingungen restringierter Probleme: Stationarität, primale und duale Zulässigkeit sowie komplementärer Schlupf. Bei konvexen Problemen zugleich hinreichend. → <a href="qp-nlp.html#sec:qp-nlp-die-karush-kuhn-tucker-bedingungen">Abschnitt 11.4</a></li>
|
||
<li><strong>Kohärentes Risikomaß</strong> — Risikomaß mit den Eigenschaften Monotonie, Subadditivität, positive Homogenität und Translationsinvarianz. Der CVaR erfüllt sie, der VaR nicht. → <a href="cvar.html#sec:cvar-value-at-risk-und-conditional-value">Abschnitt 20.4</a></li>
|
||
<li><strong>Kombinatorische Explosion</strong> — Überproportionales Wachstum des Lösungsraums mit der Problemgröße. → <a href="einfuehrung.html#sec:einfuehrung-warum-ausprobieren-scheitert-mit-eigener-rechnung">Abschnitt 1.4</a></li>
|
||
<li><strong>Komplementärer Schlupf</strong> — Bedingung <span class="math inline">s_i \cdot y_i = 0</span>: Eine Nebenbedingung ist entweder aktiv oder ihr Multiplikator verschwindet. → <a href="lp.html#sec:lp-dualitaet-und-schattenpreise">Abschnitt 5.6</a></li>
|
||
<li><strong>Konditionszahl</strong> — Verhältnis von größtem zu kleinstem Eigenwert; misst, wie stark sich kleine Datenänderungen auf die Inverse auswirken. → <a href="finanzdaten.html#sec:finanzdaten-praxis-datenpipeline-mit-korrekter-spaltenreihenfolge">Abschnitt 18.6</a></li>
|
||
<li><strong>Konvexität</strong> — Eigenschaft, bei der jede Verbindungsstrecke zweier Punkte innerhalb der Menge bzw. unterhalb des Funktionsgraphen liegt. Bei konvexen Problemen ist jedes lokale Optimum global. → <a href="fundament.html#sec:fundament-konvexitaet-die-grenze-zwischen-leicht-und">Abschnitt 2.5</a></li>
|
||
<li><strong>Korn-Transformation</strong> — Umformung der nicht-konvexen Sharpe-Ratio-Maximierung in ein konvexes QP durch Homogenisierung. → <a href="markowitz.html#sec:markowitz-das-mean-variance-modell">Abschnitt 19.4</a></li>
|
||
<li><strong>Kovarianzmatrix</strong> — Matrix der paarweisen Kovarianzen. Steuert im Markowitz-Modell den Diversifikationseffekt; bei vielen Titeln und wenigen Beobachtungen notorisch schlecht konditioniert. → <a href="finanzdaten.html#sec:finanzdaten-das-schaetzfehler-problem">Abschnitt 18.4</a></li>
|
||
</ul>
|
||
<p><strong>L</strong></p>
|
||
<ul>
|
||
<li><strong>Lagrange-Multiplikator</strong> — Gewicht, mit dem eine Nebenbedingung in die Lagrange-Funktion eingeht; sein Optimalwert entspricht dem Schattenpreis. → <a href="qp-nlp.html#sec:qp-nlp-die-karush-kuhn-tucker-bedingungen">Abschnitt 11.4</a></li>
|
||
<li><strong>Ledoit-Wolf-Shrinkage</strong> — Schrumpfung der Stichprobenkovarianz in Richtung eines strukturierten Ziels; der optimale Faktor wird analytisch bestimmt. <code>scikit-learn</code> verwendet die skalierte Einheitsmatrix als Ziel. → <a href="finanzdaten.html#sec:finanzdaten-ledoit-wolf-shrinkage">Abschnitt 18.5</a></li>
|
||
<li><strong>Lineare Programmierung (LP)</strong> — Optimierung einer linearen Zielfunktion unter linearen Nebenbedingungen mit kontinuierlichen Variablen. → <a href="lp.html#sec:lp-die-standardform-und-schlupfvariablen">Abschnitt 5.3</a></li>
|
||
<li><strong>Logarithmische Rendite</strong> — Stetige Rendite als Logarithmus des Preisverhältnisses; <strong>über die Zeit</strong> additiv. → <a href="finanzdaten.html#sec:finanzdaten-diskrete-und-logarithmische-renditen">Abschnitt 18.3</a></li>
|
||
<li><strong>Lookahead-Bias</strong> — Fehler, bei dem Informationen einfließen, die zum Entscheidungszeitpunkt nicht vorlagen. → <a href="handelsmaschine.html#sec:handelsmaschine-die-fuenf-selbsttaeuschungen-des-backtestens">Abschnitt 21.6</a></li>
|
||
</ul>
|
||
<p><strong>M</strong></p>
|
||
<ul>
|
||
<li><strong>Market Impact</strong> — Preisverschlechterung, die eine eigene Order durch ihr Volumen auslöst; wächst überproportional mit der Handelsgeschwindigkeit. → <a href="dynamische-programmierung.html#sec:dynamische-programmierung-das-almgren-chriss-problem-optimale-orderausfuehrung">Abschnitt 13.4</a></li>
|
||
<li><strong>Maximum Drawdown</strong> — Größter prozentualer Rückgang vom bisherigen Höchststand. → <a href="handelsmaschine.html#sec:handelsmaschine-die-engine">Abschnitt 21.5</a></li>
|
||
<li><strong>Min-Cost-Flow-Problem (MCNFP)</strong> — Kostengünstigster Transport durch ein Netzwerk unter Kapazitäts- und Flusserhaltungsbedingungen; total unimodular, daher ganzzahlige LP-Lösungen. → <a href="graphen.html#sec:graphen-graphen-als-modellsprache">Abschnitt 8.3</a></li>
|
||
<li><strong>MIP-Gap</strong> — Relativer Abstand zwischen bester gefundener Lösung und bester bekannter Schranke. → <a href="praxisfallen.html#sec:praxisfallen-die-fuenf-typischen-praxisfallen">Abschnitt 22.3</a></li>
|
||
<li><strong>Moderne Portfoliotheorie (Markowitz)</strong> — Rahmenwerk, das ein Portfolio über das Zusammenspiel von erwarteter Rendite und Kovarianz bewertet. → <a href="markowitz.html#sec:markowitz-das-mean-variance-modell">Abschnitt 19.4</a></li>
|
||
<li><strong>Monte-Carlo-Simulation</strong> — Erzeugung vieler Zufallsszenarien, um Kennzahlen empirisch zu schätzen. <strong>Bewertet</strong>, optimiert aber nicht. → <a href="unsicherheit.html#sec:unsicherheit-monte-carlo-simulation">Abschnitt 12.4</a></li>
|
||
<li><strong>MTZ-Formulierung</strong> — Miller-Tucker-Zemlin-Bedingungen, die über Rangvariablen Kurzzyklen ausschließen. → <a href="graphen.html#sec:graphen-das-vehicle-routing-problem-mit-zeitfenstern">Abschnitt 8.5</a></li>
|
||
</ul>
|
||
<p><strong>N</strong></p>
|
||
<ul>
|
||
<li><strong>Nebenbedingung (Constraint)</strong> — Gleichung oder Ungleichung, die zulässige von unzulässigen Lösungen trennt. Harte müssen erfüllt sein, weiche werden über Strafterme lediglich bestraft. → <a href="einfuehrung.html#sec:einfuehrung-die-vier-universellen-bausteine-jedes-or">Abschnitt 1.6</a></li>
|
||
<li><strong>Nichtlineare Programmierung (NLP)</strong> — Problemklasse mit nichtlinearer Ziel- oder Nebenbedingungsfunktion. Ohne Konvexität liefern Verfahren wie SLSQP nur lokale Optima. → <a href="qp-nlp.html#sec:qp-nlp-nichtlineare-optimierung-mit-scipy-optimize-minimize">Abschnitt 11.5</a></li>
|
||
</ul>
|
||
<p><strong>O</strong></p>
|
||
<ul>
|
||
<li><strong>Operations Research (OR)</strong> — Disziplin, die reale Entscheidungsprobleme in mathematische Modelle überführt und mit exakten oder heuristischen Algorithmen löst. → <a href="einfuehrung.html#sec:einfuehrung-was-ist-operations-research-wirklich">Abschnitt 1.3</a></li>
|
||
<li><strong>Optimalitätsprinzip</strong> — Grundsatz von Bellman: Jede Teilpolitik einer optimalen Politik ist ihrerseits optimal für den erreichten Zustand. → <a href="dynamische-programmierung.html#sec:dynamische-programmierung-das-bellmansche-optimalitaetsprinzip">Abschnitt 13.3</a></li>
|
||
</ul>
|
||
<p><strong>P</strong></p>
|
||
<ul>
|
||
<li><strong>Pivotisierung</strong> — Basiswechsel im Simplex-Verfahren. → <a href="lp.html#sec:lp-der-simplex-algorithmus-schritt-fuer-schritt">Abschnitt 5.4</a></li>
|
||
<li><strong>Polyeder</strong> — Schnittmenge endlich vieler Halbräume; die geometrische Gestalt des zulässigen Bereichs eines LP. → <a href="fundament.html#sec:fundament-der-zulaessige-loesungsraum-und-das-polyeder">Abschnitt 2.4</a></li>
|
||
<li><strong>Positiv (semi-)definit</strong> — Eigenschaft einer symmetrischen Matrix, deren Eigenwerte alle <span class="math inline">> 0</span> (definit) bzw. <span class="math inline">\ge 0</span> (semidefinit) sind. Definit ⟹ streng konvex, eindeutige Lösung; semidefinit ⟹ konvex, evtl. mehrere Lösungen. → <a href="qp-nlp.html#sec:qp-nlp-das-quadratische-programm-qp">Abschnitt 11.3</a></li>
|
||
<li><strong>Präskriptive Analytik</strong> — Analysestufe, die vorschreibt, welche Handlung unter den gegebenen Bedingungen die beste ist. → <a href="einfuehrung.html#sec:einfuehrung-was-ist-operations-research-wirklich">Abschnitt 1.3</a></li>
|
||
</ul>
|
||
<p><strong>Q</strong></p>
|
||
<ul>
|
||
<li><strong>Quadratische Programmierung (QP)</strong> — Optimierung einer quadratischen Zielfunktion unter linearen Nebenbedingungen. → <a href="qp-nlp.html#sec:qp-nlp-das-quadratische-programm-qp">Abschnitt 11.3</a></li>
|
||
</ul>
|
||
<p><strong>R</strong></p>
|
||
<ul>
|
||
<li><strong>Rebalancing</strong> — Periodische Rückführung des Portfolios auf die Zielgewichte. → <strong><a href="handelsmaschine.html#sec:handelsmaschine-rebalancing-termine-richtig-bestimmen">Abschnitt 21.4</a></strong></li>
|
||
<li><strong>Regime-Shift</strong> — Strukturbruch in den Daten, nach dem historisch geschätzte Momente ihre Gültigkeit verlieren. → <a href="praxisfallen.html#sec:praxisfallen-die-fuenf-typischen-praxisfallen">Abschnitt 22.3</a></li>
|
||
<li><strong>Relaxation</strong> — Absichtliches Weglassen einschränkender Forderungen — typischerweise der Ganzzahligkeit —, um eine schnell berechenbare Schranke zu gewinnen. → <a href="milp.html#sec:milp-branch-and-bound">Abschnitt 6.4</a></li>
|
||
<li><strong>Robuste Optimierung</strong> — Auslegung auf den ungünstigsten Fall innerhalb einer Unsicherheitsmenge; verlangt keine Wahrscheinlichkeiten. → <a href="unsicherheit.html#sec:unsicherheit-robuste-optimierung-gegen-den-worst-case">Abschnitt 12.6</a></li>
|
||
<li><strong>Rockafellar-Uryasev-Theorem</strong> — Ergebnis, das die CVaR-Minimierung in eine konvexe Hilfsfunktion überführt und die Optimierung des Tail-Risikos mit linearen Solvern erlaubt. → <a href="cvar.html#sec:cvar-value-at-risk-und-conditional-value">Abschnitt 20.4</a></li>
|
||
</ul>
|
||
<p><strong>S</strong></p>
|
||
<ul>
|
||
<li><strong>Schattenpreis</strong> — Optimalwert einer Dualvariablen: Um wie viel ändert sich der Zielwert, wenn die zugehörige Ressource um eine Einheit erweitert wird. → <a href="lp.html#sec:lp-dualitaet-und-schattenpreise">Abschnitt 5.6</a></li>
|
||
<li><strong>Schätzfehler</strong> — Abweichung geschätzter Momente von den wahren Werten. → <a href="finanzdaten.html#sec:finanzdaten-das-schaetzfehler-problem">Abschnitt 18.4</a></li>
|
||
<li><strong>Schlupfvariable</strong> — Nichtnegative Hilfsvariable, die eine Ungleichung in eine Gleichung überführt; ihr Wert zeigt die ungenutzte Reserve. → <a href="lp.html#sec:lp-die-standardform-und-schlupfvariablen">Abschnitt 5.3</a></li>
|
||
<li><strong>Schnittebenenverfahren (Cutting Planes)</strong> — Zusätzliche gültige Ungleichungen, die gebrochene LP-Lösungen abschneiden, ohne ganzzahlige Punkte zu verlieren. → <a href="milp.html#sec:milp-branch-and-bound">Abschnitt 6.4</a></li>
|
||
<li><strong>Sensitivitätsanalyse</strong> — Untersuchung, in welchem Bereich sich Koeffizienten und Kapazitäten ändern dürfen, ohne die Struktur der Optimallösung zu verändern. → <a href="lp.html#sec:lp-praxisfall-sensitivitaetsanalyse-mit-korrekten-schattenpreisen">Abschnitt 5.8</a></li>
|
||
<li><strong>Sharpe Ratio</strong> — Überrendite über den risikofreien Zins je Einheit Volatilität. → <a href="markowitz.html#sec:markowitz-das-mean-variance-modell">Abschnitt 19.4</a></li>
|
||
<li><strong>Simplex-Algorithmus</strong> — Verfahren von Dantzig, das von Ecke zu Ecke wandert und dabei den Zielfunktionswert monoton verbessert. → <a href="lp.html#sec:lp-der-simplex-algorithmus-schritt-fuer-schritt">Abschnitt 5.4</a></li>
|
||
<li><strong>SLSQP</strong> — <em>Sequential Least Squares Programming</em>; gradientenbasiertes Verfahren in <code>scipy.optimize.minimize</code> für nichtlineare Probleme. → <a href="qp-nlp.html#sec:qp-nlp-nichtlineare-optimierung-mit-scipy-optimize-minimize">Abschnitt 11.5</a></li>
|
||
<li><strong>Subadditivität</strong> — Eigenschaft <span class="math inline">\rho(A+B) \le \rho(A)+\rho(B)</span>: Diversifikation darf das Risiko nicht erhöhen. Der VaR verletzt sie. → <a href="cvar.html#sec:cvar-value-at-risk-und-conditional-value">Abschnitt 20.4</a></li>
|
||
<li><strong>Survivorship-Bias</strong> — Verzerrung durch Auswahl nur der heute noch existierenden Titel. → <a href="handelsmaschine.html#sec:handelsmaschine-die-fuenf-selbsttaeuschungen-des-backtestens">Abschnitt 21.6</a></li>
|
||
<li><strong>Symmetriebrechung</strong> — Zusätzliche Ordnungsbedingungen, die verhindern, dass der Solver gleichwertige Vertauschungen mehrfach durchsucht. → <a href="anhang-modellierungsmuster.html#anhang-modellierungsmuster">Anhang B</a>, Muster B20</li>
|
||
</ul>
|
||
<p><strong>T</strong></p>
|
||
<ul>
|
||
<li><strong>Totale Unimodularität</strong> — Eigenschaft einer Matrix, bei der jede quadratische Teilmatrix die Determinante <span class="math inline">0</span>, <span class="math inline">+1</span> oder <span class="math inline">-1</span> hat. Folge: Alle Ecken des Polyeders sind ganzzahlig — Ganzzahligkeit muss nicht gefordert werden. → <a href="graphen.html#sec:graphen-bipartites-matching-das-zuordnungsproblem">Abschnitt 8.4</a></li>
|
||
<li><strong>Transaktionskosten</strong> — Beim Umschichten anfallende Kosten aus Gebühren, Spread und Market Impact; über eine <span class="math inline">L_1</span>-Strafe modellierbar. → <a href="cvar.html#sec:cvar-transaktionskosten-ueber-die-l-1-norm">Abschnitt 20.5</a></li>
|
||
<li><strong>Turnover</strong> — Summe der absoluten Gewichtsänderungen einer Umschichtung. → <a href="cvar.html#sec:cvar-transaktionskosten-ueber-die-l-1-norm">Abschnitt 20.5</a></li>
|
||
</ul>
|
||
<p><strong>U</strong></p>
|
||
<ul>
|
||
<li><strong>Unsicherheitsmenge</strong> — Vorab definierter Bereich möglicher Parameterwerte, gegen dessen ungünstigstes Element eine robuste Lösung abgesichert wird. → <a href="unsicherheit.html#sec:unsicherheit-robuste-optimierung-gegen-den-worst-case">Abschnitt 12.6</a></li>
|
||
</ul>
|
||
<p><strong>V</strong></p>
|
||
<ul>
|
||
<li><strong>Value at Risk (VaR)</strong> — Verlustschwelle, die mit vorgegebener Wahrscheinlichkeit nicht überschritten wird. Sagt nichts über die Verlusthöhe dahinter und ist nicht subadditiv. → <a href="cvar.html#sec:cvar-value-at-risk-und-conditional-value">Abschnitt 20.4</a></li>
|
||
<li><strong>Vehicle Routing Problem (VRP)</strong> — Verallgemeinerung des TSP auf mehrere Fahrzeuge mit Depot, Kapazitäten und — in der Variante VRPTW — Zeitfenstern. → <a href="graphen.html#sec:graphen-das-vehicle-routing-problem-mit-zeitfenstern">Abschnitt 8.5</a></li>
|
||
<li><strong>Volatilität</strong> — Standardabweichung der Renditen, üblicherweise auf ein Jahr skaliert. → <strong><a href="finanzdaten.html#sec:finanzdaten-diskrete-und-logarithmische-renditen">Abschnitt 18.3</a></strong></li>
|
||
</ul>
|
||
<p><strong>W</strong></p>
|
||
<ul>
|
||
<li><strong>Walk-Forward-Backtest</strong> — Rollierende Auswertung, bei der Parameter stets nur auf Vergangenheitsdaten geschätzt und auf dem folgenden Zeitraum getestet werden. → <strong><a href="handelsmaschine.html#sec:handelsmaschine-die-engine">Abschnitt 21.5</a></strong></li>
|
||
<li><strong>Wurzel-Zeit-Regel</strong> — Skalierung der Volatilität mit <span class="math inline">\sqrt{T}</span>. Gilt streng nur für Standardabweichungen unabhängiger Größen ohne Drift — für VaR/CVaR nur als grobe Näherung. → <a href="cvar.html#sec:cvar-implementierung-cvar-portfolio-mit-reibung">Abschnitt 20.6</a></li>
|
||
</ul>
|
||
<p><strong>Z</strong></p>
|
||
<ul>
|
||
<li><strong>Zielfunktion</strong> — Der zu minimierende oder maximierende Ausdruck, der die Entscheidungsvariablen zu einer einzigen Bewertungszahl verdichtet. → <a href="einfuehrung.html#sec:einfuehrung-die-vier-universellen-bausteine-jedes-or">Abschnitt 1.6</a></li>
|
||
<li><strong>Zulässiger Bereich (Feasible Region)</strong> — Menge aller Punkte, die sämtliche Nebenbedingungen gleichzeitig erfüllen. → <a href="fundament.html#sec:fundament-der-zulaessige-loesungsraum-und-das-polyeder">Abschnitt 2.4</a></li>
|
||
</ul>
|
||
|
||
</article>
|
||
<button type="button" class="fortschritt-knopf" data-kapitel="anhang-glossar.html"><svg class="icon" aria-hidden="true"><use href="#icon-check"></use></svg> <span>Als gelesen markieren</span></button>
|
||
<nav class="prev-next"><a class="prev-next-knopf prev-next-prev" href="anhang-spickzettel.html"><svg class="icon" aria-hidden="true"><use href="#icon-chevron-left"></use></svg><span><small>Zurück</small>Anhang D: Spickzettel der Solver</span></a><a class="prev-next-knopf prev-next-next" href="anhang-literatur.html"><span><small>Weiter</small>Anhang F: Literaturverzeichnis</span><svg class="icon" aria-hidden="true"><use href="#icon-chevron-right"></use></svg></a></nav>
|
||
</main>
|
||
</div>
|
||
<footer class="site-footer">
|
||
<p>© Dieter Schlüter · <a href="gesamtdokument.html">Gesamtdokument</a> ·
|
||
<a href="programme.html">Beispielprogramme</a></p>
|
||
</footer>
|
||
<script defer src="assets/search-index.js"></script>
|
||
<script defer src="assets/programme.js"></script>
|
||
<script defer src="assets/site.js"></script>
|
||
</body>
|
||
</html>
|